公募基金高质量发展行动方案 - 将基金经理薪酬与业绩挂钩，三年以上产品业绩低于基准超10个百分点的需降薪，显著超基准的可适度加薪 [1] 股票型基金优秀代表 - 金鹰科技创新A近三年净值超越基准85.96%，基金经理陈颖聚焦AI产业链、人形机器人等科技领域，持仓集中度32% [2][3][4] - 富国新兴产业A近三年超越基准63.50%，基金经理孙权重仓中芯国际、寒武纪等AI产业链股票，前十大持仓占比47.37% [2][5] - 鹏华医药科技A近三年超越基准59.57%，基金经理金笑非通过自上而下择时规避行业下跌，重仓创新药和AI医疗 [2][5][6] - 国金量化多因子A近三年超越基准49.73%，采用机器学习模型分散持仓，前十大占比仅13.69% [2][7][8] - 招商量化精选A近三年超越基准45.22%，采用基本面量化策略，通过PB-ROE模型选股 [2][9] - 景顺长城沪港深精选A近三年超越基准42.47%，基金经理鲍无可坚持低估值策略，重仓紫金矿业等防御性资产 [2][10][11] 混合型基金优秀代表 - 金元顺安元启近三年净值超越基准91.66%，基金经理缪玮彬通过小盘股分散投资和宏观择时实现高收益 [13][14][15] - 招商优势企业A近三年超越基准87.77%，基金经理翟相栋擅长行业轮动，精准布局AI算力和应用 [13][17][18] - 东吴移动互联近三年超越基准52.73%，基金经理刘元海聚焦AI算力、电子半导体和汽车智能化 [19][20][21] 基金经理投资策略 - 科技领域基金经理关注产业阶段（0-1或1-N）、收入利润增速及估值区间，适时配置红利蓝筹对冲风险 [4] - 医药基金经理通过自上而下择时和长期持有创新药个股获取超额收益 [6] - 量化基金经理结合机器学习或基本面模型，分散持仓以稳定超额收益 [8][9] - 价值型基金经理强调低估值和安全边际，长期持有优质资产 [10][11] - 行业轮动型基金经理挖掘预期与业绩匹配的个股，注重行业需求增长和市占率提升 [18][21]

ETF市场发展 - ETF规模在2025年4月17日首次突破4万亿元，相比2024年9月底的3万亿元仅用6个多月时间，股票ETF是增长主力 [1] - 指数基金体系日益完善，为投资者提供多样化选择，指数增强基金逐渐被更多投资者熟知 [1] 指数增强基金优势 - 兼具被动投资与主动管理优势，被动跟踪锚定指数（如科创综指、沪深300）降低个股风险，主动增强通过量化模型或基金经理选股力争超额收益 [3][4] - 风险收益平衡：相比纯被动ETF控制跟踪误差（2%-5%）并追求超额收益，相比主动基金费用更低、风格更透明 [5] - 指数体系扩容为指增策略提供细分赛道，2025年前4个月新成立指增基金49只，是去年同期的近7倍，另有9只正在发售 [6] 华商上证科创板综合指数增强基金 - 跟踪上证科创板综合指数，覆盖科创板97%市值，行业分布均衡（半导体权重36.5%），比科创50指数更全面分散 [6] - 采用"多因子+AI赋能"量化选股模型，动态学习适应市场变化，解决因子共线性和非线性问题，提升超额收益稳定性 [7] - 由华商基金量化投资部"双博士"管理：艾定飞博士（10.6年从业经验）以多因子模型为核心，海洋博士（8年从业经验）擅长行业轮动与量化配置 [8][11][12] 科创板投资机遇 - 科创板企业高研发、高弹性特性适合量化增强策略，需关注基金团队的科技行业研究能力 [8] - 科技成为经济增长核心引擎，华商指增基金通过贝塔与阿尔法融合把握科技创新长期机遇 [12]

指数增强基金市场动态 - 指数增强基金正成为指数化投资浪潮中的热门品种，中证A500指数作为中国版"标普500"成为布局焦点 [1] - 华宝中证A500指数增强基金（A类：023319；C类：023320）于5月12日开售，由量化投资老将徐林明与喻银尤共同管理 [1] - 中证A系列宽基指数（A50/A100/A500）近一年爆火，取代沪深300成为指数增强新赛道 [2] 华宝沪深300增强基金业绩表现 - 华宝沪深300增强A自2016年12月成立至2025年3月，区间收益率69.79%，超额收益57.77%，年化超额5.21%，同类排名1/14 [3] - 分年度数据显示2019年超额收益最高达10.48%，2020年信息比率最优为4.94，2022年表现最弱（同类排名45/48） [4] - 全市场60余只沪深300指增基金中超8成跑赢基准，华宝产品长期超额收益能力突出 [2] 基金经理与量化团队 - 徐林明拥有23年证券从业经验，管理华宝沪深300增强基金超8年，现任华宝基金量化投资部总经理 [7] - 华宝量化团队成立于2006年，覆盖择时/行业配置/选股等全领域，团队成员具备数学/统计/计算机复合背景 [7] - 新发A500指增基金延续"双基金经理"模式，徐林明搭档青年量化研究员喻银尤 [8] 中证A500指数优势 - 行业分布更均衡：超配电力设备/计算机/通信等新质生产力行业（占比28.7%），降低金融/消费等传统行业权重 [9] - 成分股精选A股500家新兴产业龙头，编制规则纳入互联互通和ESG筛选条件，便利境内外资金配置 [9] - 华宝此前已布局A500ETF（563500）及联接基金（019510/019511），此次指增产品完善产品线 [10] 产品布局与策略特点 - 指数增强策略结合被动跟踪与主动管理，通过稳定超额实现长期复利（如华宝沪深300增强年化超额5.21%） [7] - 华宝量化团队采用多因子模型，历史数据显示日均跟踪偏离度控制在0.11%-0.18%区间 [4] - 从沪深300到A500的赛道切换，体现团队对新兴宽基指数的前瞻布局能力 [10]

指数增强基金市场表现 - 过去一年（2024/4/1-2025/3/31）指数增强基金平均超额收益率为2.56%，超70%基金实现正超额收益 [1] - 行业迎来申报发行热潮，国投瑞银中证A500指数增强基金（A类023861/C类023862）将于5月12日发行 [1] 指数增强基金超额收益方法论 - 核心目标是通过量化方法实现"跑赢指数的更高胜率"，注重月度/季度/年度维度的稳健超额收益而非短期领跑 [2] - "求胜"层面：通过五大量化因子框架获取超额收益，包括估值因子（性价比）、一致预期因子（研究价值）、量价模式（市场非理性交易）等 [3] - "求稳"层面：通过投资范围约束（严格跟踪指数）、行业配置约束（控制偏离）、风格约束（清晰刻画）、个股比例约束（限制主观判断）四维度控制风险 [3] 中证A500指数特性分析 - 成分股数量达500只，为中证"A系列"最广，利于发挥量化策略广度优势 [7][8] - 成分股分化度高：编制方案实现大/中/小市值均衡覆盖，二级/三级行业龙头纳入，行业分布分散（覆盖11个一级/35个二级/90个三级行业） [9][10] - 定价有效性不足：2024年9月新发布指数，研究覆盖度低于沪深300等成熟宽基，量化策略存在超额空间 [10] 国投瑞银量化团队实力 - 团队含5名资深成员（3名博士），最长从业21年，覆盖指数投资/多因子选股/机器学习等领域 [11] - 基金经理殷瑞飞拥有17年证券从业经验，管理产品包括中证500增强（任职期间超额收益93.38%）、沪深300增强等，其中国投中证500增强A类2019-2024年连续6年实现正超额收益（年均超额11.92%） [11][12] 中证A500指数配置价值 - 宏观经济：成分股反映产业升级趋势，受益经济复苏；海外关税环境下自主可控企业（占比较高）有望获取订单弹性 [5] - 市场风格：当前市盈率-TTM低于15倍，契合低估值/大盘股风格转换趋势；长期资金偏好ROE稳健、股息率高的核心资产 [5]

高管变动与公司战略调整 - 华泰柏瑞基金总经理韩勇于2025年5月9日因工作调整离任，由董事长贾波代行总经理职务，公司特别感谢其13年任期内对长期稳健发展的贡献 [1][2] - 韩勇职业生涯始于君安证券，曾任职证监会多个部门，在华安基金期间主导挽回4488.99万美元和解款并成功挽救华安上证180ETF，2011年11月接手华泰柏瑞基金时公司管理规模不足300亿元且面临"匿名信事件"引发的监管调查 [4] - 公司当前面临核心产品费率下调与多元化战略受阻的双重压力，需回归"以客户需求为原点"的底层逻辑，此次高管变动被视为打破路径依赖的契机 [1][17] 核心产品发展历程 - 华泰柏瑞沪深300ETF于2012年3月获批，首发募集329.69亿份刷新A股被动型产品纪录，比竞争对手嘉实沪深300ETF早成立3天，当前规模超3300亿元 [6][7][8] - 该产品带动公司管理规模从2011年末134.06亿元飙升至2025年一季度6339.42亿元，行业排名从第38位升至18位，ETF总规模增长超4500亿元 [8] - 2024年11月公司将该ETF管理费率从0.50%降至0.15%，托管费率从0.10%降至0.05%，反映行业费率改革背景下高费率优势的终结 [17] 业务结构失衡问题 - 公司51只ETF中仅4只规模超百亿，华泰柏瑞沪深300ETF占比过半（3300亿元/4500亿元），对比易方达（9只百亿ETF）和华夏（11只百亿ETF）的产品线更为单一 [10][12][13] - 量化投资领域持续投入未达预期，2012年起扶持海归量化团队推出十余只产品但未能成为主流，被私募量化机构超越 [14] - 2018年转向主动权益领域失败，外聘的李晓西和牛勇管理的多只产品亏损超40%，消耗公司市场信誉 [14][15][16] 历史战略布局 - 公司2005年启动ETF研发，2006年推出国内首只Smart Beta策略ETF（上证红利ETF），但真正突破来自2012年沪深300ETF [5][6] - 2020年前资源长期向量化投资倾斜，2020年后才密集发行行业指数ETF，错失布局时机 [13] - 2018年主动权益转型期间仅发行两只ETF合计22亿元，远低于全市场760亿元的发行规模 [14]

以下文章来源于妙投APP ，作者刘国辉 妙投APP . 虎嗅旗下二级市场投研服务品牌，为您提供精选上市公司价值拆解，热门赛道产业链梳理 出品 | 妙投APP 作者 | 刘国辉 图片来源 | AI制图 做投资的公募基金，早在七八年前就开始买GPU，是要干嘛？ 一个方向是做量化指数增强产品。 指数增强基金在国内被作为场外指数基金的一种，在以某种指数为业绩基准的同时，加入主动量化的策略，以图 在获取指数β收益的基础上，形成一部分超额收益。 "我们在持牌机构里面还是比较早做高频量价的，2018年，我提出来要买GPU，公司第一时间给我派了这个额度， 买了当时市场当中最好的硬件。"在4月22日举办的蚂蚁财富"指数时代的投资洞察和服务探索"发布会上，国泰君 安资管量化投资部总经理胡崇海这样表示。 今年以来，公募指数增强产品的成立和上报数量都有大幅增长。 同时，在代销渠道上，指数增强基金作为公募行业里的一个小赛道，也终于迎来重量级选手的发力。 4月22日，蚂蚁财富发布一站式指数投资服务平台"指数+"，由多家机构提供更稳的宽基指数增强产品，此外，平 台还提供了丰富的工具和数据信息，呈现全球市场行情数据，并提供配置、定投等指数投 ...

报告行业投资评级 未提及 报告的核心观点 报告聚焦东证融汇魏江及其管理的东证融汇成长优选基金，指出魏江量化投资经验丰富，该基金通过多维量化选股增强，在长周期下实现成长与 Alpha 收益，业绩出色且适应不同市场环境，投资风格灵活，行业轮动与高频选股结合，在多板块创造超额收益 [6][10][13] 根据相关目录分别进行总结 东证融汇魏江：三维量化选股增强，做长周期下的成长+Alpha - 基金经理基本信息：魏江是上海财经大学金融工程硕士，有 9 年量化投研经验，其中 7 年量化投资经验，现任东证融汇公募量化负责人，管理规模 1.6 亿元的东证融汇成长优选基金，该基金管理以来累计收益率 21.36%，年化收益率 5.98%，优于中证 1000 全收益指数 [6] - 基金经理投资框架：东证融汇成长优选是对标中证 1000 的空气指增型产品，基于 SmartBeta 策略增强，从长、中、短周期三维度量化选股，长周期关注稳健性，中周期基本面量化，短周期价量分析 [10][11] 收益风险特征：少有的连续四年绩优的量化基金，在成长高弹性时段表现突出 - 基本收益风险特征：东证融汇成长优选是偏股混合型基金，是少见连续四年绩优的量化基金，主动权益产品中仅 25 只产品、2 位量化基金经理能达此表现，魏江是其中之一 [13] - 基金环境适应能力：成长显著占优时段，该基金表现位于主动权益前列；成长一般劣势时段，表现能维持主动权益前 25%分位数，Alpha 收益可补足风格下跌 [16] - 赚钱效应：相比中证 1000 指数，投资者持有该基金的收益与胜率表现突出，且随持有期拉长提升，连续持有三年胜率达 100%，平均持有期收益 26.48%、超额 39.20% [23] 投资风格：行业轮动+高频选股增强，在关注行业偏离下做成长+Alpha - 资产配置：淡化仓位择时，长期股票仓位 90%附近，平均股票仓位 89.71%，配置现金与债券作流动性资产 [24] - 行业配置特征：行业动态轮动，仅先进制造板块配置稳定，其余行业适度轮动；重视行业偏离度，部分板块长期超低配，如增配消费板块，多板块能创造长期超额收益 [28][33][37] - 持股特征与投资风格：持股分散，换手率高，重仓股高频轮动，能创造长期超额收益；聚焦中小盘个股，小盘股占比超 80%，小盘成长风格突出 [40][46][52] - 擅长行业分析：擅长行业板块分布平均，通信、基础化工等行业能同时贡献突出绝对与相对收益，电力设备、通信、基础化工长期超额收益稳定 [57]

公司概况 - 茂源量化成立于2013年，2020年启动资管业务，当前管理规模两百多亿元，2021年突破百亿规模后曾封盘，2024年重新开放募资[2][13][14] - 公司特点包括强大的技术团队（技术/投研人员比例1:1）和注重组织管理，强调通过投研平台实现"1+1=2²"的规模效应[7][21][30] - 创始人郭学文拥有跨界背景，14岁考入清华，博士后研究气候变化大模型，曾创立两家被收购的科技企业[2][7] 量化方法论 - 量化研究无法一劳永逸，存在"信号消灭论"——强信号被大量资金交易后失效，必须持续快速迭代[3][11] - 多弱信号叠加成强信号是基础理论，但需通过组织管理（如共享文化、投研平台）实现高效迭代[11][21] - 气候研究与量化模型的相似性在于预测逻辑，但科学规律恒定而市场规律会被消灭[7] 行业发展趋势 - 国内量化在股票研究已达世界先进水平，高频策略迭代速度是典型案例，未来增长点在于低频策略、多资产配置和国际市场[5][16][23] - 预计中国将出现千人体量、万亿规模的量化私募，低频策略（如月/季度预测）可支撑更大资金容量[4][15][17] - 国债、外汇等新资产类别及宏观配置领域存在发展空间，国际市场拓展是必然方向[17][24][26] 技术布局 - 公司每年算力投入超九位数，投研平台建设是技术团队核心任务，可提升研究员效率（如1个月工作缩短至1周）[21][27] - 国产芯片在大模型推理接近国际水平，但高精度浮点运算仍有差距，行业替代需生态支持[22] - 量化本身就是AI细分应用，与通用大模型（如DeepSeek）属于技术同源不同方向[20] 人才战略 - 招聘标准强调热爱量化（非单纯逐利）和创新能力，需具备跳跃式思维而非流程化思维[6][28][29] - 团队稳定性依赖协作文化（策略研发需多人叠加贡献）和高效平台带来的工作满足感[27][28] - 国际化挑战包括熟悉海外规则和全球化团队管理，现有平台基础可支持海外扩张[24][25] 竞争格局 - "内卷"推动行业技术进步，中国用10年完成海外几十年发展路径，未来将诞生世界顶级量化公司[19][23] - 量化行业存在"不可能三角"（规模/业绩/回撤），市场有效性提升使长周期策略竞争力增强[12] - 量化能力是国家金融安全组成部分，强大量化机构可提升国际市场风险应对能力[26]

公司调研信息 - 知名私募宁波幻方量化近期调研了盛和资源 参与形式为公司电话会议 [1] - 盛和资源2024年营业收入113 71亿元 同比减少36 39% 归属于上市公司股东净利润2 07亿元 同比减少37 73% [1] - 2025年第一季度公司营业收入29 92亿元 同比增长3 66% 归属于上市公司股东净利润1 68亿元 同比增长178 09% [1] - 公司深化与Peak公司在坦桑尼亚稀土矿项目的合作 并成功收购嘉成矿业和非洲资源公司 为锆钛产业链储备资源 [1] - 坦桑尼亚Fungoni项目一号生产线已投产 预计2025年9月形成10万吨重矿物/年的选矿能力 [1] - MP公司暂停向中国出口稀土精矿不会对公司生产经营产生重大影响 [1] - 国内稀土价格走势未受海外市场显著影响 后市预期向好发展 [1] - 海外锆钛资源项目资本开支主要集中在基础设施建设 总体金额在公司可承受范围内 [1] - 预计公司主要产品产销量将保持持续增长势头 公司将根据市场走势灵活调整库存策略 [1] 机构背景 - 宁波幻方量化是一家依靠数学与计算机科学进行量化投资的对冲基金公司 创始团队2008年开始致力于量化对冲领域 [2] - 公司是国内金融衍生品交易与设计的领先者 使用深度学习等人工智能前沿科学优化传统量化策略研究方法 [2] - 团队由各领域顶尖人才组成 包括量化交易者 金牛奖获得者 智能机器人科研 互联网搜索引擎 大数据与模式识别 深度学习领域专家 [2] - 幻方量化拥有世界一流的行情 交易 研究 回测和风控系统 [2] - 公司立志成为世界顶级的量化投资公司 推进中国量化对冲基金的健康发展 [2]

公司调研信息 - 知名私募幻方量化近期调研了盛和资源 参与形式为电话会议 [1] - 盛和资源2024年营业收入113.71亿元 同比减少36.39% 归属于上市公司股东净利润2.07亿元 同比减少37.73% [1] - 2025年第一季度营业收入29.92亿元 同比增长3.66% 归属于上市公司股东净利润1.68亿元 同比增长178.09% [1] - 公司深化与Peak公司在坦桑尼亚稀土矿项目的合作 并成功收购嘉成矿业和非洲资源公司 为锆钛产业链储备资源 [1] - 坦桑尼亚Fungoni项目一号生产线已投产 到2025年9月份将形成10万吨重矿物/年的选矿能力 [1] - MP公司暂停向中国出口稀土精矿不会对公司生产经营产生重大影响 [1] - 国内稀土价格走势未受海外市场显著影响 后市预期向好发展 [1] - 海外锆钛资源项目资本开支主要集中在基础设施建设 总体金额在公司可承受范围内 [1] - 预计公司主要产品的产销量将保持持续增长势头 [1] - 公司将根据市场走势灵活调整库存策略 以实现生产平稳及效益增厚 [1] 机构背景 - 幻方量化是一家依靠数学与计算机科学进行量化投资的对冲基金公司 [2] - 创始团队于2008年开始致力于量化对冲领域的研究、创新与实践 [2] - 公司是国内金融衍生品交易与设计的领先者 始终走在创新的前沿 [2] - 使用深度学习等人工智能前沿科学优化传统量化策略研究方法 [2] - 团队由各领域顶尖人才组成 包括量化交易者、金牛奖获得者、智能机器人科研领域专家等 [2] - 团队成员具有丰富的科学研究、软件架构、软硬件工程和投资经验 [2]